通过微软云技术布道师团队提供的十二章系列课程，了解构建生成式 AI 应用程序的基础知识。 每章都搞哭哦生成式人工智能原理和应用程序开发的一个关键方面。 在整个系列课程中，我们将建立我们自己的生成式人工智能初创公司，以便您可以了解如何实现您的想法。
首先，将 整个repo fork 到您自己的 GitHub 帐户，以便能够更改任何代码并完成相关学习。 您还可以(🌟)该 Fork以便稍后更容易地找到它！
前往课程学习环境设置 找到最适合您的设置指南！
我们相信最好的学习方式之一就是与他人一起学习！ 加入我们的官方 AI Discord server，与参加本课程的其他学习者会面和交流并获得支持。 您可能会在那里找到一位联合创始人！
访问 Microsoft's Founders Hub，您可以在这里申请获得免费 OpenAI credits以及可高达价值 15 万美元的 Azure AI 服务。
- 每章导学视频
- 书面课程位于自述文件中
- 对于基于项目的课程，带有代码示例的 Juypter Notebook
- 应用所学知识的知识拓展和知识检查
- 进阶学习资源链接
| 课程链接 | 相关教学内容 | 学习目标 | |
|---|---|---|---|
| 00 | 课程介绍和学习环境设置 | 学习环境配置和课程结构 | 在学习本课程的同时帮助您取得成功 |
| 01 | 生成式人工智能和 LLMs 介绍 | 知识点: 生成式人工智能以及我们如何适应当前的技术格局 | 了解什么是生成式人工智能 以及 LLMs 的工作原理。 |
| 02 | 探索和比较不同的 LLMs | 知识点: 测试、迭代和比较不同的 LLMs 模型 | 为您的应用场景选择正确的模型 |
| 03 | 负责任地使用生成式人工智能 | 知识点: 了解基础模型的局限性和人工智能背后的风险 | 了解如何负责任地构建生成式人工智能应用程序 |
| 04 | 提示工程基础 | 代码/知识点: 提示工程最佳实践 | 了解提示结构和用法 |
| 05 | 创建高级的提示工程技巧 | 代码/知识点: 通过在提示中应用不同的技术来扩展您的提示工程知识 | 应用提示工程技术来改善提示结果。 |
| 06 | 创建文本生成应用 | 代码: 使用 Azure OpenAI 构建文本生成应用程序 | 了解如何有效地使用令牌和温度来改变模型的输出 |
| 07 | 创建聊天应用 | 代码: 有效构建和集成聊天应用程序的技术。 | 确定关键指标和注意事项，以有效监控和维护人工智能聊天应用程序的质量 |
| 08 | 创建搜索应用 | 代码: 语义搜索与关键字搜索。 什么是文本嵌入以及它们如何应用于搜索 | 创建一个使用嵌入来搜索数据的应用程序。 |
| 09 | 创建图像生成应用 | 代码: 图像生成及其在构建应用程序中的作用 | 构建图像生成应用程序 |
| 10 | 创建低代码的人工智能应用 | 低代码: Power Platform 中的生成式 AI 简介 | 使用低代码为我们的教育初创公司构建学生作业跟踪应用程序 |
| 11 | 为生成式 AI 添加 function calling | 代码: 什么是 Function Calling 及其在应用程序中的使用示例 | 设置 Function Calling 以从外部 API 检索数据 |
| 12 | 为人工智能应用程序添加用户体验 | 知识点: 设计人工智能应用程序以实现信任和透明度 | 开发生成式人工智能应用时用户体验设计的相关原则 |
| xx | 拓展学习 | 包含每章内容的的拓展链接！ | 掌握生成式人工智能相关技能 |
我们团队还有更多基础基础的系列课程，请点击学习